gpt-oss-safeguard-20b is OpenAI’s model met open gewichten voor veiligheidsredenering en tekstclassificatie volgens beleid dat tijdens inferentie wordt aangeleverd. Het is fijnafgestemd vanuit gpt-oss-20b en bedoeld voor veiligheidstaken, zoals het filteren van modelinvoer en -uitvoer of het labelen van online- en offline-inhoud. De invoer combineert geschreven beleid en inhoud; het resultaat is een classificatie en de gevraagde uitleg.
Het beleid maakt deel uit van de aanvraag, in plaats van een vaste taxonomie te zijn die in de classifier is ingebouwd. Daardoor kan een product zijn definities of criteria wijzigen zonder het model voor elke beleidsherziening opnieuw te trainen. Een voorbeeldtaak is een bericht aan een gemeenschapsregel te toetsen: lever de regel, het bericht en het beslisformaat aan en vraag vervolgens om de toepasselijke categorie en een korte onderbouwing op basis van het beleid.
OpenAI’s handleiding beveelt aan beleidsprompts in instructies, definities, criteria en voorbeelden te ordenen. Definieer zowel overtredende als toegestane inhoud, verduidelijk welke regel voorrang krijgt wanneer criteria conflicteren en geef voorbeelden rond de beslisgrens. Specificeer het uiteindelijke formaat letterlijk: een binair label, een categorielijst of een beslissing in JSON-vorm met regelverwijzingen. Een beknopte onderbouwing kan de beleidsbasis benoemen zonder de interne analyse van het model te reproduceren.
De maker publiceert voor deze editie 21 miljard totale parameters en 3,6 miljard actieve parameters. De exact gepubliceerde configuratie stelt een maximaal positievenster van 131.072 tokens in. Het model ondersteunt redeneerinspanning low, medium en high; medium is in de handleiding als standaard gedocumenteerd. OpenAI vereist het Harmony-formaat, dat het redeneerkanaal van het kanaal voor de definitieve classificatie scheidt. Het ruwe interne redeneerwerk van het model is bedoeld voor ontwikkelaars en veiligheidsprofessionals, niet voor algemene eindgebruikers.
De handleiding stelt voor met beknopt beleid van ongeveer 400–600 tokens te beginnen en de werkelijke lengte van de benodigde definities en gevallen te laten afhangen. Meerdere beleidssets in één aanvraag evalueren wordt ondersteund, waarbij de maker opmerkt dat het toevoegen van beleid de classificatienauwkeurigheid kan verlagen. Laat ruimte voor de analyse van het model en de definitieve beslissing en toets of de voorbeelden en uitvoerinstructies de beoogde grensgevallen afdekken.
De aankondiging noemt twee praktische beperkingen: een gespecialiseerde classifier die op veel gelabelde voorbeelden van hoge kwaliteit is getraind, kan bij sommige complexe risico’s beter presteren, en redeneren over beleid kan meer tijd en rekenwerk vergen dan een kleinere classifier. Gebruik de teruggegeven beslissing in het beoordelingsproces van de toepassing, met een expliciet pad voor een onduidelijk geval. Een bruikbaar resultaat legt de aangeleverde beleidsversie, de classificatie, de relevante regel en een korte onderbouwing vast, zodat het met het beleid kan worden vergeleken en herzien wanneer de definities veranderen.
", "aboutText": "gpt-oss-safeguard-20b is OpenAI’s model met open gewichten voor veiligheidsredenering en tekstclassificatie volgens beleid dat tijdens inferentie wordt aangeleverd. Het is fijnafgestemd vanuit gpt-oss-20b en bedoeld voor veiligheidstaken, zoals het filteren van modelinvoer en -uitvoer of het labelen van online- en offline-inhoud. De invoer combineert geschreven beleid en inhoud; het resultaat is een classificatie en de gevraagde uitleg.\n\nHet beleid maakt deel uit van de aanvraag, in plaats van een vaste taxonomie te zijn die in de classifier is ingebouwd. Daardoor kan een product zijn definities of criteria wijzigen zonder het model voor elke beleidsherziening opnieuw te trainen. Een voorbeeldtaak is een bericht aan een gemeenschapsregel te toetsen: lever de regel, het bericht en het beslisformaat aan en vraag vervolgens om de toepasselijke categorie en een korte onderbouwing op basis van het beleid.\n\nOpenAI’s handleiding beveelt aan beleidsprompts in instructies, definities, criteria en voorbeelden te ordenen. Definieer zowel overtredende als toegestane inhoud, verduidelijk welke regel voorrang krijgt wanneer criteria conflicteren en geef voorbeelden rond de beslisgrens. Specificeer het uiteindelijke formaat letterlijk: een binair label, een categorielijst of een beslissing in JSON-vorm met regelverwijzingen. Een beknopte onderbouwing kan de beleidsbasis benoemen zonder de interne analyse van het model te reproduceren.\n\nDe maker publiceert voor deze editie 21 miljard totale parameters en 3,6 miljard actieve parameters. De exact gepubliceerde configuratie stelt een maximaal positievenster van 131.072 tokens in. Het model ondersteunt redeneerinspanning low, medium en high; medium is in de handleiding als standaard gedocumenteerd. OpenAI vereist het Harmony-formaat, dat het redeneerkanaal van het kanaal voor de definitieve classificatie scheidt. Het ruwe interne redeneerwerk van het model is bedoeld voor ontwikkelaars en veiligheidsprofessionals, niet voor algemene eindgebruikers.\n\nDe handleiding stelt voor met beknopt beleid van ongeveer 400–600 tokens te beginnen en de werkelijke lengte van de benodigde definities en gevallen te laten afhangen. Meerdere beleidssets in één aanvraag evalueren wordt ondersteund, waarbij de maker opmerkt dat het toevoegen van beleid de classificatienauwkeurigheid kan verlagen. Laat ruimte voor de analyse van het model en de definitieve beslissing en toets of de voorbeelden en uitvoerinstructies de beoogde grensgevallen afdekken.\n\nDe aankondiging noemt twee praktische beperkingen: een gespecialiseerde classifier die op veel gelabelde voorbeelden van hoge kwaliteit is getraind, kan bij sommige complexe risico’s beter presteren, en redeneren over beleid kan meer tijd en rekenwerk vergen dan een kleinere classifier. Gebruik de teruggegeven beslissing in het beoordelingsproces van de toepassing, met een expliciet pad voor een onduidelijk geval. Een bruikbaar resultaat legt de aangeleverde beleidsversie, de classificatie, de relevante regel en een korte onderbouwing vast, zodat het met het beleid kan worden vergeleken en herzien wanneer de definities veranderen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Classify under an explicit community rule\n\nApply policy P1. Output labels are PERMITTED and VIOLATION. Rule R1: Unsolicited offers to sell goods are violations; asking how to repair a purchased item is permitted. Example: "How do I replace this handle?" is PERMITTED. Classify: "Buy my spare handles today; message me for prices." Return policy_id, label, rule_id and one sentence explaining the policy match.A decision record containing policy_id, one of the two supplied labels, the applicable rule_id and a concise policy-grounded rationale.Check that the label follows the supplied sales-offer criterion and that no additional taxonomy or internal reasoning trace is returned.openai/gpt-oss-safeguard-20bEen veiligheidsredeneermodel van OpenAI dat tekst classificeert volgens beleid dat de toepassing aanlevert. Gebruik expliciete definities, criteria en voorbeelden om een label, relevante beleidsregels en een beknopte onderbouwing terug te geven voor een moderatie- of beoordelingswerkwijze.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
gpt-oss-safeguard-20b is OpenAI’s model met open gewichten voor veiligheidsredenering en tekstclassificatie volgens beleid dat tijdens inferentie wordt aangeleverd. Het is fijnafgestemd vanuit gpt-oss-20b en bedoeld voor veiligheidstaken, zoals het filteren van modelinvoer en -uitvoer of het labelen van online- en offline-inhoud. De invoer combineert geschreven beleid en inhoud; het resultaat is een classificatie en de gevraagde uitleg.
Het beleid maakt deel uit van de aanvraag, in plaats van een vaste taxonomie te zijn die in de classifier is ingebouwd. Daardoor kan een product zijn definities of criteria wijzigen zonder het model voor elke beleidsherziening opnieuw te trainen. Een voorbeeldtaak is een bericht aan een gemeenschapsregel te toetsen: lever de regel, het bericht en het beslisformaat aan en vraag vervolgens om de toepasselijke categorie en een korte onderbouwing op basis van het beleid.
OpenAI’s handleiding beveelt aan beleidsprompts in instructies, definities, criteria en voorbeelden te ordenen. Definieer zowel overtredende als toegestane inhoud, verduidelijk welke regel voorrang krijgt wanneer criteria conflicteren en geef voorbeelden rond de beslisgrens. Specificeer het uiteindelijke formaat letterlijk: een binair label, een categorielijst of een beslissing in JSON-vorm met regelverwijzingen. Een beknopte onderbouwing kan de beleidsbasis benoemen zonder de interne analyse van het model te reproduceren.
De maker publiceert voor deze editie 21 miljard totale parameters en 3,6 miljard actieve parameters. De exact gepubliceerde configuratie stelt een maximaal positievenster van 131.072 tokens in. Het model ondersteunt redeneerinspanning low, medium en high; medium is in de handleiding als standaard gedocumenteerd. OpenAI vereist het Harmony-formaat, dat het redeneerkanaal van het kanaal voor de definitieve classificatie scheidt. Het ruwe interne redeneerwerk van het model is bedoeld voor ontwikkelaars en veiligheidsprofessionals, niet voor algemene eindgebruikers.
De handleiding stelt voor met beknopt beleid van ongeveer 400–600 tokens te beginnen en de werkelijke lengte van de benodigde definities en gevallen te laten afhangen. Meerdere beleidssets in één aanvraag evalueren wordt ondersteund, waarbij de maker opmerkt dat het toevoegen van beleid de classificatienauwkeurigheid kan verlagen. Laat ruimte voor de analyse van het model en de definitieve beslissing en toets of de voorbeelden en uitvoerinstructies de beoogde grensgevallen afdekken.
De aankondiging noemt twee praktische beperkingen: een gespecialiseerde classifier die op veel gelabelde voorbeelden van hoge kwaliteit is getraind, kan bij sommige complexe risico’s beter presteren, en redeneren over beleid kan meer tijd en rekenwerk vergen dan een kleinere classifier. Gebruik de teruggegeven beslissing in het beoordelingsproces van de toepassing, met een expliciet pad voor een onduidelijk geval. Een bruikbaar resultaat legt de aangeleverde beleidsversie, de classificatie, de relevante regel en een korte onderbouwing vast, zodat het met het beleid kan worden vergeleken en herzien wanneer de definities veranderen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-oss-safeguard-20b | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00015 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0.000075 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00015 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0.000075 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-oss-safeguard-20b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-oss-safeguard-20b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-oss-safeguard-20b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra openai/gpt-oss-safeguard-20b
Gebruik de hierboven getoonde methodepaden.
openai/gpt-oss-safeguard-20bEen veiligheidsredeneermodel van OpenAI dat tekst classificeert volgens beleid dat de toepassing aanlevert. Gebruik expliciete definities, criteria en voorbeelden om een label, relevante beleidsregels en een beknopte onderbouwing terug te geven voor een moderatie- of beoordelingswerkwijze.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
gpt-oss-safeguard-20b is OpenAI’s model met open gewichten voor veiligheidsredenering en tekstclassificatie volgens beleid dat tijdens inferentie wordt aangeleverd. Het is fijnafgestemd vanuit gpt-oss-20b en bedoeld voor veiligheidstaken, zoals het filteren van modelinvoer en -uitvoer of het labelen van online- en offline-inhoud. De invoer combineert geschreven beleid en inhoud; het resultaat is een classificatie en de gevraagde uitleg.
Het beleid maakt deel uit van de aanvraag, in plaats van een vaste taxonomie te zijn die in de classifier is ingebouwd. Daardoor kan een product zijn definities of criteria wijzigen zonder het model voor elke beleidsherziening opnieuw te trainen. Een voorbeeldtaak is een bericht aan een gemeenschapsregel te toetsen: lever de regel, het bericht en het beslisformaat aan en vraag vervolgens om de toepasselijke categorie en een korte onderbouwing op basis van het beleid.
OpenAI’s handleiding beveelt aan beleidsprompts in instructies, definities, criteria en voorbeelden te ordenen. Definieer zowel overtredende als toegestane inhoud, verduidelijk welke regel voorrang krijgt wanneer criteria conflicteren en geef voorbeelden rond de beslisgrens. Specificeer het uiteindelijke formaat letterlijk: een binair label, een categorielijst of een beslissing in JSON-vorm met regelverwijzingen. Een beknopte onderbouwing kan de beleidsbasis benoemen zonder de interne analyse van het model te reproduceren.
De maker publiceert voor deze editie 21 miljard totale parameters en 3,6 miljard actieve parameters. De exact gepubliceerde configuratie stelt een maximaal positievenster van 131.072 tokens in. Het model ondersteunt redeneerinspanning low, medium en high; medium is in de handleiding als standaard gedocumenteerd. OpenAI vereist het Harmony-formaat, dat het redeneerkanaal van het kanaal voor de definitieve classificatie scheidt. Het ruwe interne redeneerwerk van het model is bedoeld voor ontwikkelaars en veiligheidsprofessionals, niet voor algemene eindgebruikers.
De handleiding stelt voor met beknopt beleid van ongeveer 400–600 tokens te beginnen en de werkelijke lengte van de benodigde definities en gevallen te laten afhangen. Meerdere beleidssets in één aanvraag evalueren wordt ondersteund, waarbij de maker opmerkt dat het toevoegen van beleid de classificatienauwkeurigheid kan verlagen. Laat ruimte voor de analyse van het model en de definitieve beslissing en toets of de voorbeelden en uitvoerinstructies de beoogde grensgevallen afdekken.
De aankondiging noemt twee praktische beperkingen: een gespecialiseerde classifier die op veel gelabelde voorbeelden van hoge kwaliteit is getraind, kan bij sommige complexe risico’s beter presteren, en redeneren over beleid kan meer tijd en rekenwerk vergen dan een kleinere classifier. Gebruik de teruggegeven beslissing in het beoordelingsproces van de toepassing, met een expliciet pad voor een onduidelijk geval. Een bruikbaar resultaat legt de aangeleverde beleidsversie, de classificatie, de relevante regel en een korte onderbouwing vast, zodat het met het beleid kan worden vergeleken en herzien wanneer de definities veranderen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-oss-safeguard-20b | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00015 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0.000075 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.00015 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0.000075 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "openai/gpt-oss-safeguard-20b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-oss-safeguard-20b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-oss-safeguard-20b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra openai/gpt-oss-safeguard-20b
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Classify under an explicit community rule\n\nApply policy P1. Output labels are PERMITTED and VIOLATION. Rule R1: Unsolicited offers to sell goods are violations; asking how to repair a purchased item is permitted. Example: "How do I replace this handle?" is PERMITTED. Classify: "Buy my spare handles today; message me for prices." Return policy_id, label, rule_id and one sentence explaining the policy match.A decision record containing policy_id, one of the two supplied labels, the applicable rule_id and a concise policy-grounded rationale.Check that the label follows the supplied sales-offer criterion and that no additional taxonomy or internal reasoning trace is returned.